Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Apprendre Corrélation | Covariance contre Corrélation
Apprendre les Statistiques avec Python
course content

Contenu du cours

Apprendre les Statistiques avec Python

Apprendre les Statistiques avec Python

1. Concepts de Base
Échantillon vs PopulationTypes de StatistiquesTypes de DonnéesValeur MoyenneValeur MédianeValeur Médiane d'un Nombre Pair de ValeursMoyenne ou MédianeValeur ModaleQuiz sur les Statistiques Descriptives
2. Moyenne, Médiane et Mode avec Python
Examiner le Jeu de DonnéesCalcul des Valeurs Moyenne et Médiane avec PythonStatistiques Avec PandasCalculer la Moyenne et la Médiane des Salaires
3. Variance et Écart Type
Variance de la PopulationVariance d'ÉchantillonCalculer la Variance avec PythonÉcart TypeÉcart Type avec PythonCalcul du Variance et de l'Écart Type
4. Covariance contre Corrélation
CovarianceCorrélationQuiz sur la Covariance et la CorrélationCalcul de la Covariance et de la Corrélation
5. Intervalle de Confiance
Explorer l'Ensemble de DonnéesIntervalle de ConfianceCalcul du Niveau de Confiance avec PythonQuiz sur la Largeur de l'Intervalle de ConfianceCalculer l’Intervalle de Confiance à 95 %Calcul Avancé d'Intervalle de Confiance avec PythonAssocier les Fonctions
6. Tests Statistiques
Qu'est-ce Qu'un Test THypothèsesTest T MathématiquementTest Unilatéral et Test BilatéralHypothèses du t-testRéalisation d'un Test T dans PythonRéaliser un Test TTest t Apparié

book
Corrélation

Corrélation est une mesure statistique qui quantifie le degré d'association ou de relation entre deux variables. En d'autres termes, elle permet de comprendre comment deux variables ont tendance à évoluer l'une par rapport à l'autre.

La corrélation offre un moyen simple d'examiner le résultat. La valeur de corrélation se situe dans l'intervalle [-1, 1]. Consultez le tableau ci-dessous :

Corrélation avec Python

Pour calculer la corrélation, utilisez la fonction np.corrcoef() de numpy, qui nécessite deux paramètres : les séquences de données pour lesquelles la corrélation doit être calculée. Voici un exemple :


              
123456789

            
import pandas as pd
import numpy as np

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/update/Stores.csv')

# Calculating correlation 
corr = np.corrcoef(df['Store_Area'], df['Items_Available'])[0,1]

print(corr)
copy

Ici, nous avons extrait la valeur à l’indice [0, 1], tout comme dans le cas de la covariance. Dans le chapitre précédent, nous avons obtenu la valeur 74955.85, et l’interprétation du résultat de la fonction de covariation peut être complexe. Cependant, dans ce cas, nous pouvons conclure que les valeurs sont fortement liées.

Tout était clair ?

Comment pouvons-nous l'améliorer ?

Merci pour vos commentaires !

Section 4. Chapitre 2

Demandez à l'IA

expand

Demandez à l'IA

ChatGPT

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

course content

Contenu du cours

Apprendre les Statistiques avec Python

Apprendre les Statistiques avec Python

1. Concepts de Base
Échantillon vs PopulationTypes de StatistiquesTypes de DonnéesValeur MoyenneValeur MédianeValeur Médiane d'un Nombre Pair de ValeursMoyenne ou MédianeValeur ModaleQuiz sur les Statistiques Descriptives
2. Moyenne, Médiane et Mode avec Python
Examiner le Jeu de DonnéesCalcul des Valeurs Moyenne et Médiane avec PythonStatistiques Avec PandasCalculer la Moyenne et la Médiane des Salaires
3. Variance et Écart Type
Variance de la PopulationVariance d'ÉchantillonCalculer la Variance avec PythonÉcart TypeÉcart Type avec PythonCalcul du Variance et de l'Écart Type
4. Covariance contre Corrélation
CovarianceCorrélationQuiz sur la Covariance et la CorrélationCalcul de la Covariance et de la Corrélation
5. Intervalle de Confiance
Explorer l'Ensemble de DonnéesIntervalle de ConfianceCalcul du Niveau de Confiance avec PythonQuiz sur la Largeur de l'Intervalle de ConfianceCalculer l’Intervalle de Confiance à 95 %Calcul Avancé d'Intervalle de Confiance avec PythonAssocier les Fonctions
6. Tests Statistiques
Qu'est-ce Qu'un Test THypothèsesTest T MathématiquementTest Unilatéral et Test BilatéralHypothèses du t-testRéalisation d'un Test T dans PythonRéaliser un Test TTest t Apparié

book
Corrélation

Corrélation est une mesure statistique qui quantifie le degré d'association ou de relation entre deux variables. En d'autres termes, elle permet de comprendre comment deux variables ont tendance à évoluer l'une par rapport à l'autre.

La corrélation offre un moyen simple d'examiner le résultat. La valeur de corrélation se situe dans l'intervalle [-1, 1]. Consultez le tableau ci-dessous :

Corrélation avec Python

Pour calculer la corrélation, utilisez la fonction np.corrcoef() de numpy, qui nécessite deux paramètres : les séquences de données pour lesquelles la corrélation doit être calculée. Voici un exemple :


              
123456789

            
import pandas as pd
import numpy as np

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/update/Stores.csv')

# Calculating correlation 
corr = np.corrcoef(df['Store_Area'], df['Items_Available'])[0,1]

print(corr)
copy

Ici, nous avons extrait la valeur à l’indice [0, 1], tout comme dans le cas de la covariance. Dans le chapitre précédent, nous avons obtenu la valeur 74955.85, et l’interprétation du résultat de la fonction de covariation peut être complexe. Cependant, dans ce cas, nous pouvons conclure que les valeurs sont fortement liées.

Tout était clair ?

Comment pouvons-nous l'améliorer ?

Merci pour vos commentaires !

Section 4. Chapitre 2
some-alt